rappel de cette méthode montre ainsi ses limites. Néanmoins, cette méthode ne nécessite qu’une faible quantité de données. Par ailleurs, ces données nous sont facilement acces-sibles puisqu’elles ne dépendent pas de l’API.
1.3 Automatisation du capitalisme social
Rappelons que seulement 12% des tweets de notre jeu de données sont postés de fa-çon automatique. Néanmoins, il semble intéressant de déterminer l’efficacité de ces mé-thodes. Ainsi, comme le robot créé par Aiello et al. [1] sur le réseau social aNoobi.com dé-dié aux amateurs de livres, nous souhaitons montrer qu’un compte sans informations de profil, qui ne poste aucune information pertinente et dont l’unique but est d’obtenir plus d’abonnés, peut réussir à accroître efficacement son nombre d’abonnés et ainsi sa visibi-lité sur le réseau. Nous avons donc créé un compte automatisé reproduisant les méthodes décrites dans la Section 1.2. Ce compte est enregistré sous le nom de @Rain_bow_ash et il peut être consulté en ligne à l’URL suivante :http://www.twitter.com/Rain_bow_ash.
FIGURE1.4 – Profil du bot @Rain_bow_ash au 31 mars 2015.
Chaque heure, le compte automatisé que nous appelons bot poste un tweet que nous choisissons aléatoirement parmi ceux recueillis sur le hashtag #TeamFollowBack et qui font partie de notre jeu de données. De plus, le bot retweete chaque heure le dernier message posté sur le hashtag #90sBabyFollowTrain (Figure 1.3).
Ensuite, en utilisant l’API Twitter, nous avons créé plusieurs actions simples déclenchées lors des interactions d’autres utilisateurs avec le bot :
34 CHAPITRE 1. DÉTECTION, ORGANISATION ET ÉVOLUTION
— chaque fois qu’un message du bot est retweeté, il s’abonne au compte qui l’a ret-weeté ;
— chaque fois qu’un compte s’abonne au bot, il s’abonne au compte en retour : le bot applique le principe FMIFY.
Par ailleurs, nous enregistrons chaque action liée au bot : lorsqu’il est mentionné, ret-weeté, lorsqu’un utilisateur s’y abonne, lorsqu’il s’abonne à un utilisateur, le mentionne ou retweete un de ses messages. Ainsi, nous pouvons suivre et comprendre les interactions entre le bot et les autres utilisateurs.
Nous avons lancé le bot le 30 Mai 2013 et il fut stoppé une semaine pour des raisons maté-rielles. Depuis Janvier 2014, il n’applique que la dernière fonctionnalité : chaque fois qu’un compte s’abonne au bot, il s’abonne au compte en retour. Par ailleurs, nous ne surveillons plus toutes les actions du bot. Les chiffres qui suivent sont donc les chiffres obtenus le 23 Août 2013. Nous souhaitons mentionner que Twitter n’a pas bloqué une seule fois le bot même s’il semble évident que le comportement de ce robot est automatique et que son intérêt pour le réseau social est nul. Le bot existe même toujours, comme le montre la Figure 1.4.
Nous observons sur la Table 1.7 que le bot était abonné le 23 août 2013 à 7.124 utilisateurs et 6.792 utilisateurs y étaient abonnés1.
Type Nombre
Nombre d’abonnements 7.124
Nombre d’abonnés 6.792
Nombre d’abonnés totaux durant la période 9.319
Nombre d’abonnés suspendus 615
Nombre d’abonnés supprimés 77
TABLE1.7 – Statistiques à propos des abonnés et abonnements du bot.
Cependant, durant toute la période qu’a duré l’expérimentation, 9.319 utilisateurs diffé-rents ont été abonnés au bot. Certains de ces utilisateurs ont cessé de suivre le bot, mais un grand nombre d’utilisateurs qui ne sont plus abonnés au bot ont été supprimés (77) ou sont des comptes suspendus par Twitter (615). Plus surprenant, 9.753 abonnements au bot ont été enregistrés. Ceci signifie que certains utilisateurs ont suspendu leur abonnement, puis s’y sont réabonnés. Nous observons ainsi que 324 utilisateurs ont eu ce comportement, l’un d’entre eux s’étant même abonné à notre bot 12 fois. Nous supposons qu’il s’agit d’uti-lisateurs qui trichent avec les principes FMIFY et IFYFM. Ces utid’uti-lisateurs s’abonnent au bot
1.3. AUTOMATISATION DU CAPITALISME SOCIAL 35
puis s’y désabonnent de façon à conserver un faible ratio (voir Définition 1.7). Conserver un faible ratio offre deux avantages. Premièrement, cela permet de respecter les restric-tions de Twitter sur le ratio. En effet, quand un compte atteint les 2.000 abonnés, il existe des restrictions sur son ratio qui ne sont pas explicitées clairement par Twitter [118], mais si celui-ci est trop élevé, l’utilisateur ne peut plus s’abonner à d’autres utilisateurs. Ainsi, se désabonner de certains utilisateurs peut permettre à ces capitalistes sociaux de contourner les restrictions imposées par Twitter et continuer à appliquer le principe IFYFM. Deuxiè-mement, conserver un ratio faible donne une bonne image du compte. Avoir un plus grand nombre d’abonnés que d’abonnements renvoie l’image d’un utilisateur influent.
1.3.1 Comparaison des différentes stratégies utilisées
Être retweeté et mentionné. Comme le montrent les Tables 1.8 et 1.9, les différentes stra-tégies implémentées par notre bot n’ont pas la même efficacité. Certaines d’entre elles per-mettent d’obtenir un plus grand nombre d’abonnés plus rapidement.
utilisateurs utilisateurs distincts
abonnements pourcentage
mention 977 646 146 23
retweeet 20.526 5.728 2.893 50
TABLE 1.8 – Proportion des utilisateurs qui s’abonnent au bot après l’avoir retweeté ou mentionné.
Par exemple, les messages du bot sont très retweetés, et lorsque le bot est retweeté par un utilisateur, dans 50% des cas, il s’abonne au bot par la suite. Au contraire, le bot est plutôt mentionné par des utilisateurs qui y sont déjà abonnés. Il semble donc que mentionner un utilisateur sur ces hashtags ne soit pas un moyen largement utilisé pour demander un nouvel abonnement mutuel : ce n’est le cas que dans 23% des mentions.
utilisateurs utilisateurs distincts
abonnements pourcentage
mention 877 234 26 11
retweeet 3.527 1.331 470 35
TABLE1.9 – Proportion des utilisateurs qui s’abonnent au bot après avoir été mentionnés ou retweetés.
36 CHAPITRE 1. DÉTECTION, ORGANISATION ET ÉVOLUTION
Retweeter et mentionner. Retweeter et surtout mentionner d’autres utilisateurs est beaucoup moins efficace que les méthodes précédentes. Seulement 11% des utilisateurs mentionnés par le bot s’y abonnent par la suite. Cependant, il faut nuancer ce chiffre par le fait que les messages contenant des mentions que le bot tweete sont issus du jeu de don-nées. Certains ne sont donc plus forcément à jour : les utilisateurs peuvent ne plus exister ou encore ne plus prendre part à ce genre de pratiques.
Tweeter. Finalement, il semble que la plus simple des stratégies soit la plus efficace. En effet, simplement tweeter sur le hashtag a permis au bot de gagner 5.784 abonnés, ce qui est un plus grand nombre que celui qui regroupe toutes les autres stratégies (3.535). Nous pouvons affirmer que c’est la visibilité des tweets du bot sur ces hashtags qui a conduit le plus souvent à des gains d’abonnés pour le bot. Pour s’en assurer, nous avons fait en sorte que le bot cesse de tweeter 4 jours et avons gagné beaucoup moins d’abonnés. Ceci confirme que les utilisateurs qui s’abonnent au bot sans qu’il n’y ait de relations avec un retweet ou une mention, s’y abonnent parce qu’ils ont vu ses tweets relativement à l’un des hashtags. Cela exclut la possibilité que ces utilisateurs s’y abonnent par exemple parce que l’un de leurs abonnés est abonné à notre bot ou que Twitter leur suggère de s’y abonner.
●● ●● ●● ● ● ●● ● ● ●● ●●● ● ● ●● ● ●● ● ● ● ● ● ● ●● ● ● ● ● ● ● ●●● ●● ● ●● ●● ● ●● ●● ● ● ●● ● ●● ● ● ● ● ● ● ● ● ● ● ● ● ● ●● ● ● ● ● ● ● ● 0 20 40 60 80 0 100 200 300 400 500 600 700 day n umber of retw eets ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ●●● ● ● ● ● ● ● ● ● ● ● ●● ● ● ● ● ● ● ●● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ●● ● ● ● 0 20 40 60 80 0 50 100 150 200 250 day n umber of ne w f ollo w ers
FIGURE1.5 – Nombre de retweets (à gauche) et nombre de nouveaux abonnés (à droite)
quotidiens durant l’expérimentation.
Après 55 jours d’expérimentation, nous observons une augmentation très forte du nombre de retweets de messages du bot. Nous constatons une augmentation similaire du nombre quotidien de nouveaux abonnés au bot comme le montre la Figure 1.5. Nous supposons que, son nombre d’abonnés ayant augmenté, le bot a vu ses tweets et retweets plus visibles sur les pages dédiées aux hashtags contenus dans ses tweets. En effet, le fil d’actualité d’un hashtag ne contient pas de façon exhaustive les tweets des utilisateurs, Twitter en renvoyant une sélection des plus populaires (Figure 0.3). Notre hypothèse est donc que
1.3. AUTOMATISATION DU CAPITALISME SOCIAL 37
ses tweets sont devenus plus populaires, que sa visibilité a augmenté, et ainsi que les interactions des autres utilisateurs avec lui ont fait de même. Cette hypothèse semble cohérente avec le fait que lorsque nous avons stoppé le bot, son nombre d’abonnés a très peu augmenté.
Nous pouvons conclure que tweeter sur ces hashtags permet d’être retweeté et mentionné ce qui entraîne le gain de nouveaux abonnés. Cependant, le simple fait d’être visible sur ces hashtags est particulièrement efficace, les autres utilisateurs suivant le principe IFYFM et s’abonnant ainsi directement aux utilisateurs qui postent des tweets contenant ces ha-shtags. ●●●●●● ●●●●●● ●●●●●● ●●●●●● ●●●●●● ●●● ● ● ● ● ● ● ● ●● ● ● ● ● ● ● ●● ● ● ● ● ● ●● ● ● ● ● ● ● ●● ● ● ● ● ● ● ●● ● ● ● 0 20 40 60 1000 1500 2000 2500 hours ● Friends Followers
FIGURE 1.6 – Évolution du nombre d’abonnés et d’abonnements d’un utilisateur qui se
désabonne de 10 utilisateurs par heure puis de 30 utilisateurs par heure.
Désabonnement massif. Afin de valider l’efficacité du désabonnement massif pour conserver un faible ratio tel que décrit au début de la Section 1.3, nous avons implémenté un programme qui utilise l’API Twitter et applique cette méthode sur un compte avec presque autant d’abonnements (2.322) que d’abonnés (2.440). Ce compte est un autre bot que nous avons créé spécialement pour étudier l’impact du désabonnement massif. Les abonnements de ce compte sont donc des comptes identifiés comme capitalistes sociaux par notre méthode. Le programme se désabonne tout d’abord de 10 comptes par heure pendant 30 heures. Puis, il se désabonne de 30 comptes par heure pendant 46 heures. Nous avons fait cela de façon progressive de peur que Twitter ne suspende le compte. Comme
38 CHAPITRE 1. DÉTECTION, ORGANISATION ET ÉVOLUTION
nous pouvons le voir sur la Figure 1.6, la très grande majorité des utilisateurs desquels notre bot se désabonne ne s’y désabonnent pas réciproquement. Le bot s’est en effet désa-bonné de 1.680 comptes en un peu plus de trois jours, et moins de 150 utilisateurs s’en sont désabonnés. Cela confirme à nouveau que les comptes de ces capitalistes sociaux sont administrés manuellement et non de façon automatique. Ainsi, il est tout à fait pos-sible d’appliquer la méthode IFYFM tout en conservant un faible ratio.